資料科學與強化學習於石化原物料之價格預測與採購決策

  • 周 百建

Student thesis: Master's Thesis

Abstract

石油化學工業是世界經濟中相當重要的產業之一,大多數的石化產品之相關原物料為乙烯、丙烯和丁二烯,其佔下游產品的生產成本結構七至八成左右。特別的是,丁二烯(Butadiene BD)為製造合成橡膠的主要原料,其最終產品大多為輪胎、鞋材、多種民生和工業用品等,然而丁二烯的價格卻經常隨著市場供需不平衡、國際經濟波動和政治事件等因素而上下震盪,造成下游廠商在採購原料時誤判價格的風險。因此,本研究以丁二烯為探討對象,若能先期準確預測原物料價格並掌握未來趨勢,將可有效協助企業降低採購成本、輔助決策,進而提升整體營運績效。 本研究提出資料科學分析架構,主要分為兩階段,第一階段為透過資料探勘技術,分別以時間序列分解、支持向量迴歸及深度學習等方法進行原物料價格預測的研究探討,並藉由量化分析供應鏈上下游的歷史價格、合約價格、產能開工率的供需以及下游替代品等多項資料建構預測模型,以提升價格及趨勢方向性之週預測準確度;第二階段則加入歷史庫存、需求和採購資料,並且考量前階段的趨勢方向性預測結果,透過強化學習技術建構採購決策模型,藉此從歷史採購經驗中學習,進而產生策略,使得整體效益最佳化,以達成價格預測輔助採購決策之目的。 本研究之實證結果表明,此分析架構可提升價格預測能力8 1%、提升趨勢方向性預測能力18 5%、降低總採購成本12 4%,並利用良好的預測結果,有效地修正採購之價格風險,進而提升企業之成本競爭優勢。
Date of Award2018 Jul 18
Original languageChinese
SupervisorChia-Yen Lee (Supervisor)

Cite this

資料科學與強化學習於石化原物料之價格預測與採購決策
百建, 周. (Author). 2018 Jul 18

Student thesis: Master's Thesis